流程工业预测控制技术概述.docVIP

流程工业预测控制技术概述 导语：?预铡控制是应用于流程卫业中最广泛的先进控制技术 流程工业与共它工业有很大不同，其生产工艺具有连续性，过程和设备的特性往往是十分复杂的，控制对象常具有不确定性、非线性、大时延性和变量问的强耦合性。想得到生产过程精确的数学模型几乎是不可能的。所有这些因素使得常规的PlD控制以及其他传统控制方法都不可能达到理想的效果。于上世纪60年代形成和发展起来的现代控制理论，尽管在很多领域取得了显著的成果，但将其用于流程工业过程控制中时，在理论与实践之间依旧存在着很大的差距。主要原因还是由于绝大多数流程工业过程对象难以得到精确的数学模型。因此必须考虑采用先进的控制策略解决工程实践中的问题。预铡控制是应用于流程卫业中最广泛的先进控制技术。 RichaIet早在1977年就提出MAC（ModeI AIgorithmicControI）算法。这标志着预测控制的出现。这类算法用直接从生产现场检测得到的过程响应来描述过程的动态行为，不需事先知道过程模型的结构和参数，也不必通过复杂的辨识来建立过程的数学模型，即可根据某一优化指标设计控制系统，确定一个控制量的序列，使未来一段时间内被控量与经过柔化后的期望轨迹之间的某个误差指标最小。该算法采用的是不断在线滚动优化的思想，而且在优化过程中不断通过实测系统输出与预测模型输出的误差来进行反馈校正，所以能在一定程度上克服模型误差和某些不确定性干扰等的影响，使系统的鲁棒性得到增强．非常适用于控制复杂的工业生产过程。Richalet又于1978年首次详细阐述了这类算法产生的动因、机理及其在工业控制过程中的应用效果，同时给这类新型计算机控制算法定出统一的名称——预测控制（Predictive Contr01）。MAC算法是建立在脉冲响应模型基础上的，用来对长时域进行预测。主要包括三部分：①预测模型；②参考轨迹；③滚动优化。 预测控制是在工业控制实践的需要中产生的，并得到了极大地发展。作为一种优化控制算法，不论形式如何改进和变化，都要包括三项基本原理：预测模型、滚动优化和反馈校正。 正是由于预测控制的这种滚动优化的原理使控制系统降低了对被控对象数学模型的依赖程度，适应了复杂工业过程控制的要求，具有非常广阔的发展和应用前景。 本文将简要概述预测控制的研究、发展状况，以及预测控制与其它控制策略结合、非线性控制中的预测模型等主题的研究成果。1预测控制的发展 自Richalet提出MAC算法以来，新型预测控制算法不断涌现，下面对主要算法作简要回顾。 CuIter于1980年提出的动态矩阵控制（DMC Dynamic Matrix Contr01）．是建立在阶跃响应模型上适用于渐进稳定的对象，对于弱非线性对象，可以在工作点附近线性化．对于不稳定的对象，可先用常规的PID控制使其稳定，然后再使用DMC算法。与MAC相比，DMC最大的优点是没有静差。1986年Morshedl提出了一种广义动态矩阵控制（UDMC UnlversaI Dynamic Matrix Contr01），主要解决非线性优化问题。Bruqn发表的两篇文献提出了预测控制算法（PCA Predictive ControIAIgorithm）同MAC一样，也是基于脉冲响应模型的，但解决了MAC对于非最小相位系统的不稳定性问题．因为PCA对控制变量的增量加上了约束。1988年，RichaIet又提出了一种基于预测控制原理的预测函数控制（PFC Predictive FunctionalControI）方法，并成功地应用到工业机器人的快速高精度跟踪控制上。取得了很好的效果。预测函数控制也是预测控制的一个很好的发展方向。在这方面的研究也有很多。2自适应预测控制 自适应控制适用于具有一定程度不确定性的系统，对模型的依赖程度较少。因此长期得到人们的关注，已经具有成熟的理论。但自适应算法的鲁棒性较差。1984年Ydstie提出EHAC（Extended Horizon Adaptive Contr01），是建立在ARMAX模且不适用于非最小相位系统的问题。1985年De Keyser提出了EPSAC（Extended Predictive Self-Adaptive Contr01），也是采用ARMAX模型，通过长范围预测（Long Horizon Predic．tion）使该算法比自适应控制对模型精度要求降低了、鲁棒性增强了。Clarke于1987年在总结EHAC和EPSAC的基础上提出了广义预测控制（GPC）。它是建立在CARIMA模型基础上的，解决了当采用ARMAX模型时，在负载扰动较大的情况下，消除测量变量